10.3969/j.issn.1002-0640.2018.09.023
基于KNN的合成孔径雷达目标识别
针对合成孔径雷达(SAR)目标的识别问题,提出了一种基于K近邻方法(KNN)的SAR图像目标识别方法.首先,有别于传统的图像特征提取方法,采用逆向思维,通过剪裁和去噪方法对图像的冗余信息进行“剔除”,从而尽可能保留图像的原有信息,并将其作为待分类特征.然后分别用KNN和支持向量机(SVM)在MSTAR(Movingand Stationary Target Acquisition and Recognition)数据集上进行了仿真对比实验.实验结果表明,此方法下KNN的分类效果明显优于SVM,其精度均达到94%以上,证明了所提方法的有效性.
SAR、目标识别、剪裁、去噪、KNN、SVM
43
TP181;TJ01(自动化基础理论)
国家自然科学基金61275120,61774137;山西省自然科学基金201701D22111439,201701D221121;山西省回国留学人员科研基金资助项目2016-088
2018-12-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
111-113,118